简介:证券综合指数的对数收益率的折线图反映收益率的波动呈现出在一段时间内波动比较大,一段时间波动比较小,方差随着时间的变化而变化。在对时间序列数据进行研究的时候,通常假设随着时间的变化方差不会发生变化。但是在关注预测的精确程度时,需要了解方差的大小。文章用Eviews软件对上证综指日收盘价的对数收益率建立EGARCH-M模型,对收益率序列呈现出的波动聚集性,杠杆效应、风险与收益的关系等特征进行了分析,最终对波动率进行预测,结果表明EGARCH-M模型充分描述了波动性聚类的特点,只用很少的参数就可以把实际数据拟合得很好。该模型形式简单,容易估计,提高了对方差的预测精度,对收益率波动率建立模型对于宏观经济理论和金融理论有重要的意义。
简介:专家场(FieldsofExperts,FOE)图像先验模型是一种基于滤波器学习的高阶马尔可夫随机场(MRF)模型,对于许多图像复原问题该模型已经被验证其有效性。本文提出一种基于FOE图像先验模型的新的变分模型,用于相干斑噪声(乘性噪声)去噪。本文提出的变分模型需要求解一个非凸极小化问题,该问题可以通过iPiano(InertialProximalAlgorithmforNonconvexOptimization)算法来有效地解决。通过仿真图像和真实合成孔径雷达(SyntheticApertureRadar,SAR)图像的去噪试验,可以表明本文提出的算法与目前最好的相干斑去噪算法性能相当。此外,本文提出的算法适用于图形处理器(GraphicsProcessingUnit,GPU)平台并行加速,可以大大提高运算效率。